اضافه شدن لهجه‌های جدید به رده‌بندی ASR

اخیراً، دو لهجه‌ی جدید از زبان انگلیسی، یعنی انگلیسی مصری و انگلیسی نیجریه‌ای، به لیست رده‌بندی ASR (Automatic Speech Recognition) پیوسته‌اند. این اقدام، بخشی از تلاش‌های مداوم برای بهبود نمایندگی لهجه‌ها و زبان‌ها در ارزیابی‌های ASR است. با اضافه شدن این دو لهجه، جامعه‌ی پژوهشی می‌تواند ارزیابی‌های دقیق‌تری از عملکرد سیستم‌های تشخیص گفتار ارائه دهد.

در ماه‌های اخیر، داده‌های خصوصی به این رده‌بندی اضافه شده است که شامل ۱۱ تقسیم از Appen و DataOceanAI می‌شود و به بررسی گفتار محاوره‌ای و سناریوهای نوشته شده از پنج لهجه مختلف می‌پردازد. این اقدام با استقبال خوبی از سوی جامعه مواجه شده و اهمیت مجموعه‌های نگه‌داری شده برای ارزیابی‌های معتبر را مورد تأکید قرار داده است. به دنبال این موفقیت، یک تقسیم جدید برای انگلیسی با لهجه‌ی هندی نیز به این لیست اضافه شده است.

همکاری جدید با Liva AI، به معرفی داده‌های خصوصی بیشتری انجامیده است. این داده‌ها شامل گفتار محاوره‌ای از دو لهجه‌ی انگلیسی مصری و نیجریه‌ای است که به ترتیب ۱.۳۴ و ۱.۵۵ ساعت طول دارند. این داده‌ها به صورت محاوره‌ای، خودجوش و با نشانه‌گذاری‌های مناسب ارائه شده‌اند که شامل ناپیوستگی‌ها نیز می‌شود.

این پیشرفت‌ها به بهبود اعتماد به سیستم‌های ASR کمک می‌کند و به کاهش پدیده‌ای به نام benchmaxxing (تأثیر منفی بر ارزیابی‌ها به دلیل استفاده از داده‌های تکراری) می‌انجامد. با اضافه شدن لهجه‌های جدید، رده‌بندی ASR می‌تواند تفکیک دقیق‌تری از لهجه‌ها ارائه دهد، به‌ویژه بر اساس نظریه‌ی سه دایره‌ی کاچرو (Kachru’s Three Circles) که لهجه‌های مختلف را به سه دسته‌ی مرکزی، خارجی و در حال گسترش تقسیم می‌کند.

این برای مخاطبِ حرفه‌ای یعنی چه؟ اضافه شدن لهجه‌های جدید به رده‌بندی ASR نشان‌دهنده‌ی توجه بیشتر به تنوع زبانی و فرهنگی در فناوری‌های تشخیص گفتار است. برای مترجمان و زبان‌شناسان، این پیشرفت‌ها می‌تواند به بهبود دقت ترجمه‌ها و تحلیل‌های زبانی کمک کند و به ایجاد سیستم‌های آموزشی و پژوهشی کارآمدتر منجر شود.